Usporedba modela za rezoniranje
Na ovoj stranici
Odabir pravog modela za rezoniranje
xAI katalog od srpnja 2026. uključuje nekoliko modela prikladnih za rezoniranje: grok-4.5, tri varijante grok-4.20-0309, grok-4.3 i grok-build-0.1 za kod. Tvoj izbor ovisi o tvom slučaju upotrebe, proračunu i ograničenjima latencije. Ova lekcija pruža kriterije za donošenje ispravne odluke.
Potpuna usporedna tablica
Cijene su navedene po milijunu tokena za kontekst manji od 200 tisuća tokena (stope rastu iznad toga—vidi lekciju 9).
| Model | Rezoniranje | Kontekst | Ulaz $/M | Izlaz $/M |
|---|---|---|---|---|
| grok-4.5 | Konfigurabilno | 500k | $2.00 | $6.00 |
| grok-4.20-0309-reasoning | Namjensko | 1M | $1.25 | $2.50 |
| grok-4.20-0309-non-reasoning | Ne | 1M | $1.25 | $2.50 |
| grok-4.20-multi-agent-0309 | Višeagenta | 1M | $1.25 | $2.50 |
| grok-4.3 | Svestrano | 1M | $1.25 | $2.50 |
| grok-build-0.1 | Fokusirano na kod | 256k | $1.00 | $2.00 |
Varijanta bez rezoniranja
Obitelj grok-4.20-0309 dolazi u tri varijante. Važno je ne miješati ih:
- grok-4.20-0309-reasoning: Duboko razmišljanje prije odgovora, za složene probleme
- grok-4.20-0309-non-reasoning: Izravan odgovor bez lanca misli, za jednostavne zadatke i minimalnu latenciju
- grok-4.20-multi-agent-0309: Orkestrira više agenata, za distribuirane arhitekture
Sva tri dijele isti kontekst od 1 milijun tokena i iste cijene. Varijanta bez rezoniranja nije „popustni“ model: to je ispravan izbor kad god zadatak ne zahtijeva rezoniranje (vidi lekciju 12).
Kriteriji odabira
Prema proračunu
Cijene ulaza i izlaza slijede jasnu hijerarhiju:
- grok-build-0.1: 1 $/2 $ po MToken—ali rezervirano za kod
- grok-4.20-0309 (sve varijante) i grok-4.3: 1,25 $/2,50 $ po MToken
- grok-4.5: 2 $/6 $ po MToken—izlaz košta 2,4 puta više nego na grok-4.20
U svim slučajevima, ostajanje ispod 200 tisuća tokena konteksta izbjegava višu cjenovnu razinu.
Prema složenosti zadatka
- Jednostavna pitanja (klasifikacija, ekstrakcija, parafraziranje): grok-4.20-0309-non-reasoning ili grok-4.3
- Srednje složeni problemi (analiza teksta, strukturirano sažimanje, umjereno rezoniranje): grok-4.20-0309-reasoning ili grok-4.5 s niskim naporom rezoniranja
- Složeni problemi (napredna matematika, rezoniranje u više koraka, kritične odluke): grok-4.5 s visokim naporom
- Kod (generiranje, refaktoriranje, brzo otklanjanje pogrešaka): grok-build-0.1, najbrži model za kod u katalogu
Prema veličini konteksta
- Do 500 tisuća tokena: grok-4.5 radi
- Preko 500 tisuća tokena (cijele baze koda, korpusi dokumenata): grok-4.20-0309 ili grok-4.3, jedini modeli od 1M
- Kod do 256 tisuća: grok-build-0.1
Prema ograničenjima latencije
- Potreban brz odgovor: grok-4.20-0309-non-reasoning ili grok-build-0.1 za kod
- Latencija je prihvatljiva: grok-4.20-0309-reasoning
- Bez ograničenja (serijski zadaci, pozadinski zadaci): grok-4.5 s visokim naporom rezoniranja
Stablo odlučivanja
- Je li zadatak čisti kod? Da → grok-build-0.1
- Zahtijeva li zadatak rezoniranje u više koraka? Ne → grok-4.20-0309-non-reasoning
- Premašuje li kontekst 500 tisuća tokena? Da → grok-4.20-0309-reasoning
- Opravdava li maksimalna kvaliteta 6 $/M izlaza? Da → grok-4.5 (visoki napor)
- Inače → grok-4.20-0309-reasoning
Preporučene kombinacije
U proizvodnji ćeš često koristiti više modela zajedno:
- Trijaža + obrada: grok-4.20-0309-non-reasoning za klasifikaciju zahtjeva, zatim grok-4.5 za složene zahtjeve
- Nacrt + validacija: grok-4.20-0309-reasoning za prvi odgovor, grok-4.5 za validaciju kritičnih slučajeva
- Razvoj + proizvodnja: Prototipiraj s grok-4.20-0309-reasoning (isplativo), prijeđi na grok-4.5 za tokove gdje je kvaliteta najvažnija
- Arhitektura agenata: grok-4.20-multi-agent-0309 za orkestraciju, grok-build-0.1 za podzadatke koda
Cijene od 5. kolovoza 2026.—cjenici se redovito mijenjaju. Prije planiranja proračuna provjeri trenutne stope na službenoj stranici xAI modela i cijena.
Ključne točke
- grok-4.5 je najmoćniji model za rezoniranje (konfigurabilan), ali i najskuplji (2 $/6 $ po MToken ispod 200k)
- Tri varijante grok-4.20-0309 (rezoniranje, bez rezoniranja, višeagenta) dijele kontekst od 1M i identične cijene (1,25 $/2,50 $)
- Varijanta bez rezoniranja zadani je izbor za zadatke bez rezoniranja
- grok-build-0.1 namijenjen je kodu: najbrži i najjeftiniji (1 $/2 $, kontekst od 256k)
- U proizvodnji kombiniraj modele na temelju složenosti svakog zahtjeva umjesto da sve šalješ na vodeći model